动态观测数据驱动的滑坡灾害精准模拟分析方法

朱 庆, 丁雨淋,3 ,苗双喜, 曹振宇

(1. 西南交通大学高速铁路运营安全空间信息技术国家地方联合工程实验室, 四川 成都 611756; 2. 西南交通大学地球科学与环境工程学院, 四川 成都 611756; 3. 香港中文大学太空与地球信息科学研究所，香港 999077; 4. 四川省基础地理信息中心，四川 成都 610000)

动态观测数据驱动的滑坡灾害精准模拟分析方法

朱 庆1,2, 丁雨淋1,2,3,苗双喜1,2, 曹振宇4

(1. 西南交通大学高速铁路运营安全空间信息技术国家地方联合工程实验室, 四川 成都 611756; 2. 西南交通大学地球科学与环境工程学院, 四川 成都 611756; 3. 香港中文大学太空与地球信息科学研究所，香港 999077; 4. 四川省基础地理信息中心，四川 成都 610000)

受全球极端气候变化和人类活动影响，复杂滑坡灾害时空演变过程复杂，其时空演变的高突变性、高隐蔽性、高动态性,以及孕育环境的时空异质性与不确定性等十分突出，复杂地形地质条件下滑坡灾害模拟分析已经成为世界性难题.为此,本文提出动态观测数据驱动的滑坡灾害精准模拟分析方法，设计了动态数据驱动的复杂滑坡灾害精准模拟分析框架，阐释了滑坡灾害过程时空变化的显式语义描述，任务驱动的空天地一体化观测数据规划与调度，计算与存储融合的复杂滑坡灾害实时数据组织与管理，变化驱动的多源动态观测数据实时接入与自主加载，多源动态观测数据在线智能处理，复杂滑坡灾害模拟模型参数智能率定等关键技术，为滑坡灾害链的全链条防灾减灾提供科学理论支撑.

滑坡灾害；动态观测数据；实时GIS；空地一体化立体观测；模拟分析

在极端天气气候事件频发的背景下,复杂滑坡灾害引发的环境变化和造成的危害形势日趋严峻[1-2],已成为影响重大基础设施安全和城镇化区域安全最重要的因素之一，因此，亟需提高对复杂滑坡灾害过程进行持续监测、预测预警、灾情速报和应急救援能力[3-4].

滑坡灾害是一种严重的斜坡岩土体失稳现象,是指大块岩(土)体由于强降雨、地震或人为因素影响及斜坡岩土体不稳定,在重力作用下,沿着贯通剪切破坏面整块地向前向下滑动的现象.受极端气象,以及复杂地形、地质等下垫面时空异质性因素影响,我国西部山区重大滑坡灾害时空演变过程复杂,高突变性、隐蔽性和不确定性特征极为突出[5-7],极大增加了其危害性和防范预警难度.如何提高滑坡灾害链模拟分析水平,提升预测预警的时效性和精准性已成为国际滑坡研究领域关注的前沿难点[8].

1 国内外研究现状

滑坡模拟分析先后经历了经验预报、统计预报、非线性预报,目前已进入实时跟踪动态预报、数值模拟分析、综合模拟分析的新阶段[9-11].受传统观测能力的限制(由于缺乏针对灾害链的全生命周期监测技术支撑),对复杂滑坡失稳和灾害链机理的基础研究仍不足,对滑坡坡体内部三维机构形态、内部物理场(应力、流体等)、内部动态演化过程,极端气象条件引发的暴雨型滑坡等灾害链成灾模式机理的认知仍十分有限,难以建立有效的基于斜坡演化水文-岩土力学机理的物理预警方法[12].

已有的滑坡灾害模拟分析主要依靠对历史滑坡灾害观测数据的拟合外推预测,是一种静态数据驱动的半定量化模拟分析方法[13-14].这些方法旨在量化已发生滑坡过程中相关地理变量历史观测数据之间的时空相关关系(地层岩性、地形地貌、地质构造、水文地质等因素与滑坡变形的关系).基于历史观测数据,建立适用于全局的目标变量与辅助变量之间的统计相关模型,利用辅助变量观测值推测目标变量在未知时刻和空间位置的特征值，即对已发生的滑坡与影响滑坡因素的历史观测数据进行统计回归,利用回归模型对特定地点和时间可能发生的滑坡进行模拟分析.

面对复杂条件下的滑坡灾害,其时效性和精准性受到明显局限.

(1) 由于滑坡灾害的形成条件、诱发因素以及发生机理等的复杂性和多样性,各个滑坡体的变形演化规律具有极强的随机性、不确定性和时空多阶段演化特征,难以完全通过机理模型进行确定性描述.在非稳态气象和复杂地形条件下,许多机制都可能导致滑坡变形演化过程的突变,这些过程多是临界过程,当超过某个特定点,渐进的气象、地质地形等环境变化可能激发滑坡过程非线性的响应,而且也无法准确的确定阈值.

对于偏离“正常”的突发性、随机性、不确定性滑坡灾害过程相关现象,模拟模型并不能完全适用,往往仅能适用于某一类滑坡或某一演化阶段的模拟预测.因此,在滑坡灾害过程时空演化模式发生变化后,为保证模拟过程与灾害真实演变之间的时空一致性,滑坡灾害模拟分析模型需进行相应调整,否则模拟将无法适应滑坡灾害演变过程中时空转换的高突发性、高动态性,以及灾害孕育环境的时空变异性.

静态数据驱动的半定量化模拟分析由于建立在稳定环境和确定性模拟预测理论基础上,理论假设模拟中的机理模型在预测区间是静态恒定的,即模型形式和参数不会根据滑坡不同变形破坏阶段的动态性进行自适应调整,其模拟结果的适宜性和可靠性较低.

(2) 驱动模拟的数据涵盖时空变化的信息量直接决定模拟模型参数率定的精准性.若驱动模拟的数据无法涵盖和反映滑坡灾害链不同阶段不同要素的时空演变特征,参数率定结果将毫无意义.然而,缺乏完备的滑坡灾害全要素持续观测数据的支撑,无论是直接输入的滑坡历史形变监测信息,还是根据历史滑坡事件总结的滑坡宏观变形破坏迹象和前兆异常特征信息,静态数据驱动的半定量化模拟分析中的驱动数据都是斜坡体在其发展演化过程中的外在表现,未考虑斜坡变形破坏的物理本质[15-16],驱动数据所涵盖的滑坡灾害链时空演变信息量较为片面和滞后.加之模拟过程只能从数据层面而非时空变化信息量层面约束和指导模拟模型的率定过程,其随机性、偏移性和盲目性难以避免,模拟结果的精准性也就无法保证[17].

近年来物联网和传感器技术的迅速发展,遥感、地球物理、水文地质、地球化学、岩土工程、地貌学等多学科领域多手段联合的天空地多传感器立体综合探测和动态观测,为滑坡灾害成灾机理、滑坡潜在隐患早期识别、以及实时预测预警等持续提供时空分辨率越来越高的滑坡灾害链全链条多因素的多源动态观测数据[18-20].

多源动态观测数据中蕴含着滑坡灾害过程演变的复杂时空变化信息,包括滑坡灾害孕育环境(地质结构、岩土特性、坡体含水量、潜水位、坡体位移与应力变化、孔隙水压力等)、诱发因素(降雨)、滑坡形变过程表征(坡体的几何形态变化、坡体运动随时间及空间的分布、内部三维结构变化、流变学结构变化)等.

作为滑坡灾害孕育环境、诱发因子以及演变过程全链条的表征,动态观测数据中的时空变化特征特别是尺度、变化模式等基本因子与滑坡灾害链的时-空状态变化及其演进机理密切关联.发现和提取这些持续动态观测数据中蕴藏的滑坡灾害突发临界条件、滑坡灾害态势突变、滑坡灾害链全链条影响因子之间的时空相关关系等地理时空变化信息,实现对多源动态观测数据复杂变化特征与模式的形式化描述和深层语义理解,并以此约束模拟参数的自适应调整,成为解决传统模拟方法适应性差和精准性低等瓶颈问题的有效途径[21-24].

综上所述,由于复杂滑坡失稳和灾害链机理的基础研究,以及对特大型地震滑坡、极端气象条件造成暴雨型滑坡等灾害链成灾模式研究还很局限,复杂滑坡灾害时空过程的高突变、高时变、不确定等特点突出,传统静态数据驱动的半定量化模拟分析已经难以保持与滑坡灾害时空变化的一致性,模拟结果的时效性和精准性较低.

为此,本文提出了天空地多源动态立体观测数据驱动的复杂滑坡灾害精准模拟方法,旨在构建多源异构动态观测数据与模拟模型的动态耦合机制.一方面以多源动态观测数据对复杂滑坡灾害模拟分析过程进行实时修正,另一方面以模拟分析结果指导和优化天空地观测数据的有效规划.通过构建观测与模拟之间的动态反馈机制,提高模拟过程对滑坡灾害复杂时空转换的适应性,突破现有滑坡灾害模拟的瓶颈问题,为提高滑坡灾害模拟评估结果的时效性和精准性提供新的途径.

2 动态数据驱动的滑坡灾害模拟原理

天空地多源动态立体观测数据驱动的复杂滑坡灾害模拟分析的核心是要建立多源动态观测数据与滑坡模拟模型之间的动态耦合机制,因此，需在动态观测数据与复杂时空过程动态演变规律相互之间建立高层语义映射,并具备多源动态信息实时接入、加载、时空关联与融合计算能力.模拟模型的高效管理和智能率定能力,保证了模拟分析的时效性和精准性.具体原理框架图如图1所示.

图1方法以多源动态观测数据中高质量的时空变化为驱动力:数据接入端,面向模拟任务,实现天空地观测数据的规划与调度,时空变化驱动多源动态观测信息实时接入与主动加载,在动态数据实时接入过程中，实现变化语义约束的多源动态观测数据在线清洗、语义感知的时空变化信息发现以及语义约束的多源动态观测信息时空关联,实现多源动态观测数据的在线处理与深度分析,减低数据不确定性、冗余性对模拟评估结果的影响;模型端,通过变化语义约束的模拟参数智能率定,实现顾及时空变化特征的模型结构和参数自适应调整,提高模拟模型对滑坡孕育环境及复杂滑坡突变特征的适应性.

图1 动态数据驱动的复杂滑坡灾害精准模拟分析框架Fig.1 The framework of dynamic data driven precise simulation of complex landslide hazards

3 关键技术难点及解决思路

3.1 滑坡灾害过程时空变化的显式语义描述模型

如何定义、度量与判断复杂滑坡灾害时空演变特征及其演变规律,准确刻画地理对象、时空过程和地理事件之间的语义关联关系,兼顾复杂地理过程的动态演变规律和时空数据的变化特征以及相互之间的高层语义映射,是实现多源动态观测数据与滑坡模拟模型动态耦合需解决的基础问题.传统用于抽象描述各种地理要素和地理过程的地理信息系统(geographic information system, GIS)时空数据模型大多以地理实体为核心，独立地表达地理实体的空间和时态信息,如静态GIS数据模型主要是空间数据模型,强调实体的几何特征,其存储的都是静态数据来提供人们认知实体的某个状态;时态GIS数据模型通过在静态数据模型基础上加入时态信息存储历史数据,提供给人们认知实体的多个状态,通过离散状态之间的比较来判断实体某个特征发生的改变.由于缺少对连续变化描述与存储能力,未对变化机制显式表达,因此传统GIS数据模型在描述和表达地理要素和地理过程的时空演进方面有很大局限性[25].

为了突破传统时态GIS隐式表达变化的局限性,直接表达动态变化并显式描述变化机制,实现多源动态观测数据与复杂滑坡灾害时空演变特征的统一语义描述,作者提出了滑坡灾害过程时空变化的显式语义描述模型[26],自下而上建立包括滑坡灾害链全过程变化要素、变化机制与变化语义在内的概念层次,深入分析滑坡灾害链演化过程复杂动态性在形成机理及其演变规律方面体现的共性特点,将参与者、驱动力和呈现模式等时空变化形成的关键性因素及其相互作用抽象为特征域、过程域与事件域以及三域之间的语义关联描述,建立完整的变化状态输入输出链路,实现离散与连续变化的统一表达,并在此基础上，建立多源动态观测数据时空变化特征与滑坡灾害时空演变过程中各种表征之间的语义关联关系.

3.2 任务驱动的天空地一体化观测数据规划与调度

大量实例监测数据表明,滑坡灾害中斜坡岩土体的变形演化一般要经历宏观连续性无显著变化的变形演化发展阶段和整体性失稳的破坏阶段.对于滑坡灾害链时空演变的不同阶段,滑坡灾害模拟对天空地传感器观测需求不尽相同.面向滑坡灾害实时模拟决策的应急观测任务,与滑坡灾害演变态势的动态性、突发性、随机性和不确定性共存,同样具有多样性、复杂性和动态性特征,天空地多源传感器资源的动态调度与观测任务规划的时效性、准确性和持续性等均面临着更高的要求.如何根据滑坡灾害不同阶段的演变态势和特征,实现天空地多源传感器资源的最优化调度与任务规划,最大限度地发挥天空地一体化对地观测资源的优势,使观测数据能够尽可能的涵盖滑坡灾害链全过程的多种地理变量演变状态,是保证动态数据驱动的滑坡灾害模拟方法能够正常开展的前提与必要条件.现有的天空地各个传感器相互独立运行,分散进行任务规划的工作模式已经无法满足突发性复杂滑坡灾害模拟决策要求.

针对上述问题,提出任务驱动的天空地一体化传感器观测资源应急调度与任务规划方法,通过分析复杂滑坡灾害模拟决策相关的地球物理、水文地质、地球化学、岩土工程、地形地貌等相关的航空、航天、地基遥感、地面测站等滑坡监测传感器资源的特性、主要约束条件以及滑坡灾害模拟决策的观测数据需求与任务特点,建立天空地传感器资源的统一描述模型、顾及滑坡灾害时空演变态势的观测任务模型以及天空地一体化的资源优化组合调度模型,实现滑坡灾害演变态势和观测条件约束的观测任务快速生成以及观测任务与观测资源的高效匹配、派送、反馈与优化调整等.

3.3 变化驱动的多源动态观测数据实时接入与自主加载机制

滑坡灾害天空地观测数据多源异构,具有典型的时空大数据特征,如何从大规模、高动态、多源异构、时变信息丰富的天空地多传感立体观测数据资源中,实时接入与自主加载模拟模型需要的时空变化信息,以满足滑坡灾害实时模拟需要,是保证滑坡灾害模拟结果时效性的关键.由于滑坡灾害具有突发、多变量、多时变等不确定性复杂特征,已有的以数据为中心的静态加载方式,难以适应和应对复杂地理环境时变空变的不确定性和突变性,无法满足滑坡灾害模拟评估过程实时(近实时)、动态多样化的数据需求.

针对传统以数据为中心的静态加载方式时效性难以保证的局限,提出一种变化驱动的多源动态观测数据实时接入与自主加载机制,面向滑坡灾害模拟模型的数据需求，建立面向主题的需求信息感知模型,通过详细描述天空地传感器信息各项元数据上的特征分布,建立多源传感器信息与模拟模型数据需求特征之间的关联关系,定量表达传感器信息对模拟模型需求贴合程度的量变与质变的过程,实现面向模拟主题的天空地多源动态观测数据实时接入与自主加载.

3.4 多源动态观测数据在线智能处理

如何对实时接入的传感器动态观测数据进行在线处理与深入分析,降低数据不确定性、发现与理解观测数据中时空变化特征及其本质语义信息,是指导后续模拟参数自适应率定、提高模拟结果对实时感知的外界环境变化适应性的关键.天空地滑坡灾害链全链条动态观测数据多以实时数据流的形式动态、快速地产生和演变,实时接入的传感器动态观测数据必须实时在线处理和深度分析,才能更好地发挥多源数据的综合利用效能.传统先存储再处理的数据处理方式导致的信息时延问题突出,已经难以应对突发性滑坡灾害模拟应急任务的动态性和时效性需求,严重制约了动态观测数据的实时应用效能.传感器动态观测数据的在线处理和综合分析已经成为实时模拟的巨大挑战[27].滑坡灾害传感器动态观测数据具有持续性、复杂时变空变等特点,采用时域或频域的动态观测数据流变化模式提取、数据清洗方法,多是基于稳定环境假设以及静态模型理论,需对不断到达的数据流新元素反复建模,模型适应性差、参数难以根据新到达的数据流元素进行动态调整,主要适用于平稳、即变化模式规律统一的观测数据流,不适用模式多变、突发环境变化等情况下，观测数据流中的变化模式提取和数据质量控制,且存在对异常点及噪声点敏感的问题,已经无法有效分析和预测传感器动态观测数据内在的规律及其蕴含的真实价值[28-29].

针对上述问题,提出时空变化语义约束的传感器多源动态观测数据在线清洗方法、语义感知的多源动态观测数据时空变化特征发现方法以及知识引导的多源动态观测数据时空关联方法,融合滑坡过程的机理模型与知识规则,定量和定性描述滑坡灾害演化过程的时空变化特征,并以此约束动态观测数据的在线清洗、变化发现以及时空关联.

3.5 复杂滑坡灾害模拟模型参数智能率定方法

提高模拟模型参数对滑坡孕育环境的时空异质性、复杂滑坡过程时空演变特征的适应性,是滑坡灾害精准化模拟分析的基本目标.由于观测数据对于模型参数率定的影响突出,观测数据中所包含的各种时空变化特征是决定模型参数率定精准度的关键.传统基于目标函数的启发式率定方法,由于无法完整获取观测数据所表征的复杂滑坡灾害链不同阶段时空演变过程的物理规律,只能通过参数最基础的物理意义以及地质特性粗略的给定参数可行空间,导致“异参同效”现象明显，计算复杂度和计算量大,模型最优参数值的选择仍有很大的不确定性,盲目随机游动性问题突出.

为此,提出一种顾及多源观测数据时空变化信息量的模型参数智能优选方法,通过定量评价率定观测数据样本的时空变化量系数,在此基础上将多源动态观测数据中发现的时空变化特征通过语义匹配和关联分析,聚合能反映滑坡时空演化规律的变化信息集合,并以此约束参数搜索.

3.6 计算与存储融合的复杂滑坡灾害实时数据组织与管理

为了满足模拟分析过程中模拟参数的智能率定和多源动态观测数据在线处理操作中全局性的时空关联分析、高性能时空查询检索和实时处理的时效性需求,如何高效管理实时接入的天空地传感器多源动态观测数据,并支持动态数据在线融入滑坡模拟过程计算与分析模型中,实现计算与存储的融合,是保证模拟分析结果实效性的关键[30-31].

针对天空地传感器多源动态观测数据接入的实时性、模拟计算的动态性、存储量大等特点,提出一种计算与存储融合的复杂滑坡灾害实时数据组织与管理模式，即针对数据存储和计算的效率差异,以及内外存数据组织的结构和粒度差异,提出内外存协同的语义索引方法,实现语义关联数据的最优查询检索.分析滑坡灾害时空变化的显式语义描述三域模型中每个域的元数据语义特征,通过语义感知的自适应分级聚集,时空语义一体化的混合索引,支持单一时空类型检索及多因素联合检索,实现内容和时空语义关联的快速检索,为全局性的时空关联分析与协同计算奠定基础.通过变化语义约束的内外存动态更新耦合,实现内外存协同索引的实时更新与一致性维护.

4 展 望

针对复杂条件下滑坡灾害模拟评估的时效性和精准性需求,本文提出天空地协同观测数据驱动的模拟分析方法,突破了传统静态数据驱动的半定量化模拟分析方法的技术瓶颈.后续将针对复杂地形地质环境中重大工程，如川藏铁路,选择典型的高速远程滑坡进行示范应用研究,并进一步发展针对灾害链和多灾种的精细化综合模拟评估方法.

随着传感网技术和高性能计算技术在滑坡灾害监测预警中的普及应用,动态观测数据与机理模型的深度融合,分布式地理协同辅助的滑坡灾害链实时模拟已经成为国内外竞相努力发展的方向,这为事先发现和识别灾害隐患，实施科学的监测预警与应急响应,变“被动”为“主动”提供了强有力的支撑.

致谢:空间信息智能感知与服务深圳市重点实验室(深圳大学)开放基金资助; 感谢西南交通大学程谦恭教授和肖世国教授提出的宝贵建议与意见.

[1] SCHIPPER L, PELLING M. Disaster risk, climate change and international development: scope for, and challenges to, integration[J]. Disasters, 2006, 30(1): 19-38.

[2] VAN AALST M K. The impacts of climate change on the risk of natural disasters[J]. Disasters, 2006, 30(1): 5-18.

[3] DING Yulin, FAN Yida, DU Zhiqiang, et al. An integrated geospatial information service system for disaster management in China[J]. International Journal of Digital Earth, 2015, 8(11): 918-945.

[4] FIELD C B. Managing the risks of extreme events and disasters to advance climate change adaptation: special report of the intergovernmental panel on climate change[M]. Cambridge： Cambridge University Press, 2012: 121-143.

[5] VAN AALST M K, CANNON T, BURTON I. Community level adaptation to climate change: the potential role of participatory community risk assessment[J]. Global Environmental Change. 2008, 18(1): 165-179.

[6] DIKAU R. Landslide recognition: identification, movement, and clauses[M]. [S.l.]: Wiley, 1996: 147-155.

[7] SOETERS R, VAN WESTEN C J. Slope instability recognition, analysis and zonation, landslides: investigation and mitigation, No. 247[R]. Washington D. C.: Transportation Research Board National Research Council, 1996.

[8] 黄润秋. 汶川8.0级地震触发崩滑灾害机制及其地质力学模式[J]. 岩石力学与工程学报,2009,28(6): 1239-1249.

HUANG Runqiu. Mechanism and geomechanical modes of landslide hazards triggered by wenchuan 8.0 earthquake[J]. Chinese Journal of Rock Mechanics and Engineering, 2009, 28(6): 1239-1249.

[9] 胡卸文,顾成壮,牛彦博,等. 芦山地震触发大岩崩滑坡-碎屑流特征与运动过程[J]. 西南交通大学学报,2013,48(4): 590-598.

HU Xiewen, GU Chengzhuang, NIU Yanbo, et al. Debris flow characteristics and movement process of dayanbeng landslide in tianquan county triggered by “4·20” Lushan earthquake[J]. Journal of Southwest Jiaotong University, 2013, 48(4): 590-598.

[10] 段书苏,姚令侃,郭沉稳. 芦山地震触发崩塌滑坡的优势方向与机理[J]. 西南交通大学学报,2015,50(3): 428-434.

DUAN Shusu, YAO Lingkan, GUO Chenwen. Predominant direction and mechanism of landslides triggered by lushan earthquake[J]. Journal of Southwest Jiaotong University, 2015, 50(3): 428-434.

[11] CROZIER M J. Deciphering the effect of climate change on landslide activity: A review[J]. Geomorphology, 2010, 124(3): 260-267.

[12] KORUP O. Recent research on landslide dams-a literature review with special attention to New Zealand[J]. Progress in Physical Geography, 2002, 26(2): 206-235.

[13] ALEOTTI P, CHOWDHURY R. Landslide hazard assessment: summary review and new perspectives[J]. Bulletin of Engineering Geology and the Environment, 1999, 58(1): 21-44.

[14] 杨广斌,唐小明,李亦秋. 动态数据驱动的林火蔓延模型模拟误差自适应修正[J]. 东北林业大学学报,2011,39(11): 29-32.

YANG Guangbin, TANG Xiaoming, LI Yiqiu. Self-adaptive correction of simulation error on dynamic data driven forest fire spreading model[J]. Journal of Northeast Forestry University, 2011, 39(11): 29-32.

[15] 许强,黄润秋,李秀珍. 滑坡时间预测预报研究进展[J]. 地球科学进展. 2004, 19(3): 478-483.

XU Qiang, HUANG Runqiu, LI Xiuzhen. Research progress in time forecast and prediction of landslides[J]. Advance in Earth Science, 2004, 19(3): 478-483.

[16] 许强,汤明高,徐开祥,等. 滑坡时空演化规律及预警预报研究[J]. 岩石力学与工程学报, 2008, 27(6): 1104-1112.

XU Qiang, TANG Minggao, XU Kaixiang, et al. Researh on space-time evolution laws and early warning prediction of landeslides[J]. Chinese Journal of Rock Mechanics and Engineering， 2008, 27(6): 1104-1112.

[17] 杨广斌,唐小明,李亦秋. 动态数据驱动的林火蔓延模型模拟误差自适应修正[J]. 东北林业大学学报,2011,39(11): 29-32.

YANG Guangbin, TANG Xiaoming, LI Yiqiu. Self-adaptive correction of simulation error on dynamic data driven forest fire spreading model[J]. Journal of Northeast Forestry University, 2011, 39(11): 29-32.

[18] LUCAS A, MANGENEY A, AMPUERO J P. Frictional velocity-weakening in landslides on Earth and on other planetary bodies[J]. Nature Communications, 2014: 5(9): 3417-3417.

[19] 许强,黄润秋,李秀珍. 滑坡时间预测预报研究进展[J]. 地球科学进展,2004,19(3): 478-483.

XU Qiang, HUANG Runqiu, LI Xiuzhen. Research progress in time forecast and prediction of landslides[J]. Advances in Earth Science, 2004, 19(3): 478-483.

[20] 许强,汤明高,徐开祥,等. 滑坡时空演化规律及预警预报研究[J]. 岩石力学与工程学报,2008,27(6): 1104-1112.

XU Qiang, TANG Minggao, XU Kaixiang, et al. Researh on space-time evolution laws and early warning prediction of landeslides[J]. Chinese Journal of Rock Mechanics and Engineering, 2008, 27(6): 1104-1112.

[21] GOODCHILD M F. The validity and usefulness of laws in geographic information science and geography[J]. Annals of the Association of American Geographers, 2004, 94(2): 300-303.

[22] LANIAK G F, OLCHIN G, GOODALL J, et al. Integrated environmental modeling: a vision and roadmap for the future[J]. Environmental Modelling & Software, 2013, 39: 2-23.

[23] MCINTOSH B S, ASCOUGH II J C, TWERY M, et al. Environmental decision support systems (EDSS) development-Challenges and best practices[J]. Environmental Modelling & Software, 2011, 26(12): 1389-1402.

[24] LANIAK G F, OLCHIN G, GOODALL J, et al. Integrated environmental modeling: a vision and roadmap for the future[J]. Environmental Modelling & Software, 2013, 39: 3-23.

[25] 李德仁,张良培,夏桂松. 遥感大数据自动分析与数据挖掘[J]. 测绘学报,2014,43(12): 1211-1216.

LI Deren, ZHANG Liangpei, XIA Guisong. Automatic analysis and mining of remote sensing big data[J]. Acta Geodaetica et Cartographica Sinica, 2014, 43(12): 1211-1216.

[26] DINGYulin, ZHU Qing, LIN Hui. An integrated virtual geographic environmental simulation framework: a case study of flood disaster simulation[J]. Geo-spatial Information Science, 2014, 17(4): 190-200.

[27] LESKENS J G, BRUGNACH M, HOEKSTRA A Y, et al. Why are decisions in flood disaster management so poorly supported by information from flood models[J]. Environmental Modelling & Software, 2014, 53: 53-61.

[28] MALET J, DELACOURT C, MAQUAIRE O, et al. Introduction to the thematic volume: issues in landslide process monitoring and understanding Introduction au volume thématique: thèmes de recherche pour la surveillance et la compréhension des glissements de terrain[J]. Bulletin de la Société Géologique de France, 2007, 178(2): 63-64.

[29] KEEFER D K, LARSEN M C. Assessing landslide hazards[J]. Science, 2007, 316(5828): 1136-1138.

[30] 吴晨,朱庆,张叶廷,等. 顾及用户体验的三维城市模型自适应组织方法[J]. 武汉大学学报：信息科学版, 2014,39(11): 1293-1297.

WU Chen, ZHU Qing, ZHANG Yeting, et al. An adaptive organization method for complex 3d city models considering user experience[J]. Geomatics and Information Science of Wuhan University， 2014, 39(11): 1293-1297.

[31] 谢潇,朱庆,张叶廷,等. 多层次地理视频语义模型[J]. 测绘学报,2015,44(5): 555-562.

XIE Xiao, ZHU Qing, ZHANG Yeting, et al. Hierarchical semantic model of geovideo[J]. Acta Geodaetica et Cartographica Sinica. 2015, 44(5): 555-562.

朱庆(1966—),博士,2013年起至今任职于西南交通大学,现为地球科学与环境工程学院特聘教授,博士生导师.主要研究为摄影测量、地理信息系统、虚拟地理环境.承担国家自然科学基金、863计划和973计划等各类项目30余项.获得国家发明专利5项，获得国家自然科学二等奖、国家科技进步二等奖和省部级一等奖共8项.教育部长江学者特聘教授,新世纪百千万人才工程国家级人选.先后兼任国家自然科学基金委员会第十三、十四届地球科学部评审组成员，四川省测绘学会副理事长.

E-mail: zhuq66@263.net

丁雨淋(1986—),女,博士,2015年起至今任职于西南交通大学,现为地球科学与环境工程学院副教授,研究方向为虚拟地理环境、地理信息系统、摄影测量.

E-mail: rainforests@126.com

(中文编辑:秦 瑜 英文编辑:兰俊思)

Precise Simulation Method for Dynamic Data Driven Landslide Hazards

ZHUQing1,2,DINGYulin1,2,3,MIAOShuangxi1,2,CAOZhenyu4

(1. State-Province Joint Engineering Laboratory of Spatial Information Technology of High-Speed Rail Safety, Southwest Jiaotong University, Chengdu 611756, China; 2. Faculty of Geosciences and Environmental Engineering, Southwest Jiaotong University, Chengdu 611756, China; 3. Institute of Space and Earth Information Science, The Chinese University of Hongkong, Hongkong 999077, China; 4. Sichuan Administration of Surveying, Mapping and Geoinformation, Chengdu 610000, China)

As the consequences of climate changes and human activities, precise modeling of landslide hazards in complicated topographical and geological environments has become a serious problem in the world. The cruxes of simulation of the landslides lie in the high mutability and dynamism of the spatial-temporal evolution, and the heterogeneity and uncertainty of the disaster-pregnant environment. To solve this problem, this paper proposes a novel dynamic data driven approach for the precise simulation of landslide hazards. After introducing the theoretical framework with graphic illustration, several core technologies are explained, including the explicit semantic description of landslide spatio-temporal changes, task-driven planning and scheduling of space-air-ground observational data, real-time geo-processing database engine linking calculations and storage, change driven dynamic observations injection, online multisource observational data intelligent geo-processing, and intelligent model parameter calibration. The proposed method is expected to provide a strong scientific theoretical support for the whole disaster prevention and reduction process in dealing with major landslide disasters.

landslide hazards; dynamic observation data; real-time GIS; space-ground integrated observation; modeling analysis

2015-10-08

国家自然科学基金资助项目(41471320,41501421); 国家高分专项(民用部分)重大专项资助项目(03-Y30B06-9001-13/15); 四川省测绘地理信息局科技支撑项目(J2013CX04)

朱庆,丁雨淋,苗双喜,等. 动态观测数据驱动的滑坡灾害精准模拟分析方法[J]. 西南交通大学学报,2016,51(2): 396-403.

0258-2724(2016)02-0396-08

10.3969/j.issn.0258-2724.2016.02.019

P333

A